GEE支持下的?？谑型恋乩脮r(shí)空變化分析研究

GEE支持下的?？谑型恋乩脮r(shí)空變化分析研究目錄TOC\o"1-3"\h\u1引言 11.1研究背景及意義 11.2國(guó)內(nèi)外研究現(xiàn)狀 21.3研究?jī)?nèi)容與技術(shù)路線(xiàn) 31.3.1研究?jī)?nèi)容 31.3.2技術(shù)路線(xiàn)圖 42研究區(qū)概況及數(shù)據(jù)來(lái)源 52.1?？谑懈艣r 52.1.1自然地理概況 52.1.2社會(huì)經(jīng)濟(jì)概況 52.2數(shù)據(jù)來(lái)源 52.2.1Landsat系列遙感數(shù)據(jù) 62.2.2SRTMDEM數(shù)據(jù) 72.2.3其他數(shù)據(jù) 72.3GEE平臺(tái)介紹 82.4數(shù)據(jù)預(yù)處理 83?？谑型恋乩梅诸?lèi) 103.1土地利用分類(lèi)體系與流程 103.1.1土地利用分類(lèi)體系的構(gòu)建 103.1.2多維分類(lèi)特征集的構(gòu)建 103.1.3樣本點(diǎn)的選取 113.1.4隨機(jī)森林算法 113.1.5土地利用分類(lèi)精度評(píng)估 123.2土地利用分類(lèi)結(jié)果及精度評(píng)價(jià) 133.2.1?？谑型恋乩梅诸?lèi)結(jié)果 133.2.2精度評(píng)價(jià) 154土地利用時(shí)空變化分析 164.1土地利用結(jié)構(gòu)變化分析 164.2土地利用時(shí)空分布變化分析 174.3土地利用程度時(shí)空變化分析 234.3.1土地利用程度 234.3.2?？谑型恋乩贸潭确治?244.4土地利用轉(zhuǎn)移矩陣分析 265土地利用時(shí)空變化驅(qū)動(dòng)因子 315.1地理探測(cè)器 315.2驅(qū)動(dòng)因子的選取 315.2.1地形地貌 315.2.2氣候條件 325.2.3社會(huì)經(jīng)濟(jì) 335.2.4交通情況 335.2探測(cè)結(jié)果及分析 346結(jié)論與不足 366.1結(jié)論 366.2不足 37參考文獻(xiàn) 39致謝 41

摘要：土地利用/覆被變化是當(dāng)前全球環(huán)境變化研究的熱點(diǎn)，它能直觀地展現(xiàn)自然環(huán)境因?yàn)樽匀换蛉藶橐蛩囟a(chǎn)生的變化，而大尺度長(zhǎng)時(shí)序的土地利用變化研究，可以更加清晰的反應(yīng)某一地區(qū)在一段時(shí)間內(nèi)的人類(lèi)活動(dòng)和社會(huì)經(jīng)濟(jì)發(fā)展的情況。本文利用GEE平臺(tái)對(duì)?？谑?000—2023年期間土地利用時(shí)空變化進(jìn)行分析，同時(shí)借助地理探測(cè)器分析各驅(qū)動(dòng)因子對(duì)?？谑型恋乩贸潭鹊慕忉屃Χ龋疚牡闹饕晒缦拢海?）通過(guò)GEE平臺(tái)獲取并裁剪鑲嵌?？谑?000年、2005年、2010年、2015年、2020年、2023年六年的遙感影像數(shù)據(jù)，數(shù)據(jù)源為L(zhǎng)andsat系列遙感數(shù)據(jù)，同時(shí)利用隨機(jī)森林算法對(duì)研究區(qū)遙感影像數(shù)據(jù)進(jìn)行監(jiān)督分類(lèi)，最終得到的Kappa系數(shù)均大于0.83，說(shuō)明隨機(jī)森林算法能很好的完成?？谑型恋乩梅诸?lèi)。（2）土地利用結(jié)構(gòu)方面，海口市土地利用結(jié)構(gòu)以耕地以及林草地為主，其次為水域和建設(shè)用地，未利用地的占比在各個(gè)目標(biāo)年份中都處于較低水平；土地利用分布變化方面，耕地逐年增加，林草地減少且破碎化程度增加，建設(shè)用地主要分布在?？谑斜辈?，并且逐漸向南擴(kuò)張，水域分布較為穩(wěn)定，未利用地分布變化情況未展現(xiàn)出一定的規(guī)律；土地利用程度方面，本文通過(guò)計(jì)算得到了2000年、2005年、2010年、2015年、2020年、2023年六年的?？谑型恋乩贸潭染C合指數(shù)，分別為247.34、252.95、254.06、255.72、264.03、266.03，這說(shuō)明?？谑型恋乩贸潭仁侵鸩缴仙?；土地利用轉(zhuǎn)移方面，通過(guò)計(jì)算土地利用轉(zhuǎn)移矩陣，可以得出?？谑械耐恋乩妙?lèi)型中，變化最大的是耕地和林草地，其次為建設(shè)用地，而水域和未利用地的轉(zhuǎn)化往往所占比例較小。耕地和林草地每個(gè)階段都出現(xiàn)了大量的相互轉(zhuǎn)化，建設(shè)用地穩(wěn)步上升，水域和未利用地占?？谑锌偯娣e的比例變化較小。（3）本文利用地理探測(cè)器對(duì)?？谑型恋乩贸潭鹊尿?qū)動(dòng)因子進(jìn)行探測(cè)，最終得出夜間燈光亮度值最能反映?？谑型恋乩贸潭?，其次為高程、年均降水量、距城市主干道的距離，最后年平均氣溫、距水系的距離以及坡度根據(jù)地理探測(cè)器的結(jié)果說(shuō)明對(duì)?？谑型恋乩贸潭鹊挠绊戄^弱。關(guān)鍵詞：土地利用/覆被變化；GoogleEarthEngine；隨機(jī)森林算法；監(jiān)督分類(lèi)；驅(qū)動(dòng)因子1引言1.1研究背景及意義土地利用/覆被變化(LUCC)是目前研究全球環(huán)境變化的熱點(diǎn)之一，其直觀展示了自然環(huán)境的演變過(guò)程，間接反映了人類(lèi)社會(huì)經(jīng)濟(jì)發(fā)展的總體面貌[1]。二十世紀(jì)末，國(guó)際地圈—生物圈計(jì)劃（IGBP）組織與國(guó)際全球環(huán)境變化人文因素計(jì)劃（IHDP）組織針對(duì)全球環(huán)境問(wèn)題，攜手開(kāi)展了“土地利用/土地覆被變化科學(xué)研究計(jì)劃”[2]，其中土地利用/覆蓋變化研究占據(jù)該項(xiàng)研究計(jì)劃核心地位，是相關(guān)領(lǐng)域?qū)＜覍W(xué)者的關(guān)注重心。海口市目前正處于社會(huì)經(jīng)濟(jì)發(fā)展的重要時(shí)期，自2018年海南省開(kāi)展對(duì)自貿(mào)港的建設(shè)后，吸引了大量的優(yōu)秀資產(chǎn)以及人才的入駐，推動(dòng)了整個(gè)海南省的發(fā)展[3]。土地利用能在一定程度上反應(yīng)海口市的經(jīng)濟(jì)發(fā)展?fàn)顩r，因此，為讓海口市的發(fā)展節(jié)奏與自貿(mào)港建設(shè)相契合，達(dá)到“1+1>2”的效果，對(duì)于?？谑械耐恋乩醚芯渴欠浅Ｓ斜匾?。過(guò)去由于缺乏獲取和處理大批量數(shù)據(jù)的方法，導(dǎo)致土地利用變化的研究工作出現(xiàn)周期長(zhǎng)、誤差大以及成本高的缺點(diǎn)，限制了土地利用/覆被變化的研究。隨著衛(wèi)星遙感技術(shù)的進(jìn)步，世界各國(guó)相繼發(fā)射了眾多具有不同軌道高度和分辨率的遙感衛(wèi)星，其所組成的對(duì)地觀測(cè)系統(tǒng)能夠迅速及時(shí)地獲取多種光譜分辨率、空間分辨率以及時(shí)間分辨率的對(duì)地觀測(cè)數(shù)據(jù)[4]。當(dāng)前，國(guó)內(nèi)外存在眾多可以免費(fèi)獲取的遙感數(shù)據(jù)源，為土地利用/覆被變化研究提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，衛(wèi)星遙感技術(shù)已經(jīng)廣泛應(yīng)用于土地利用/覆被變化等大尺度研究中[5]。海量遙感數(shù)據(jù)的處理對(duì)科研人員的硬件條件要求較高，提高了大尺度長(zhǎng)時(shí)間序列的遙感分析的門(mén)檻[6]。為解決這一問(wèn)題，遙感云計(jì)算技術(shù)應(yīng)運(yùn)而生，通過(guò)在云計(jì)算平臺(tái)代替本地設(shè)備進(jìn)行計(jì)算，完成海量遙感數(shù)據(jù)的處理與分析，極大地降低了數(shù)據(jù)處理與分析的門(mén)檻，改變了傳統(tǒng)遙感數(shù)據(jù)處理、分析的工作模式，使得全球尺度長(zhǎng)時(shí)間序列影像的快速分析成為可能[7]。目前國(guó)內(nèi)的遙感云計(jì)算平臺(tái)仍處于剛起步的狀態(tài)，國(guó)際上則已有較為開(kāi)放、成熟的GoogleEarthEngine（GEE）遙感云計(jì)算平臺(tái)[8]。GEE平臺(tái)可以方便使用者獲取和處理遙感數(shù)據(jù)，為土地利用時(shí)空變化分析提供了支持。目前GEE平臺(tái)已經(jīng)廣泛運(yùn)用在土地利用變化的研究當(dāng)中。近年來(lái)，隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展，人口密度持續(xù)增長(zhǎng)，城市化進(jìn)程也不斷加快，土地利用類(lèi)型、方式等發(fā)生劇烈變化，土地退化、資源短缺等人地矛盾問(wèn)題逐漸嶄露頭角。十九大報(bào)告指出“大力推進(jìn)生態(tài)文明建設(shè)”，在社會(huì)經(jīng)濟(jì)發(fā)展的同時(shí)還要注重生態(tài)環(huán)境的保護(hù)，注重人與自然的交互，是治理環(huán)境問(wèn)題的有效途徑。因此本文將以?？谑型恋乩脼檠芯繉?duì)象，提取2000年到2023年的覆蓋?？谑械腖andsat圖像數(shù)據(jù)并利用GEE平臺(tái)對(duì)數(shù)據(jù)進(jìn)行處理，同時(shí)對(duì)?？谑型恋乩米兓?qū)動(dòng)因素進(jìn)行分析，研究結(jié)果可以揭示?？谑型恋乩梅矫娴默F(xiàn)狀、以及存在的問(wèn)題和挑戰(zhàn)，對(duì)?？谑型恋刭Y源規(guī)劃的合理性和有效性具有重要意義。1.2國(guó)內(nèi)外研究現(xiàn)狀隨著經(jīng)濟(jì)快速發(fā)展，城市化進(jìn)程不斷加快，土地利用類(lèi)型、方式等發(fā)生劇烈變化，土地退化、資源短缺等人地矛盾問(wèn)題也日益突出[9]。越來(lái)越多的專(zhuān)家學(xué)者意識(shí)到土地利用變化研究對(duì)于監(jiān)測(cè)氣候變化、生態(tài)平衡、人類(lèi)生態(tài)活動(dòng)等具有重要意義[10]。國(guó)外對(duì)于土地利用變化的研究起步較早，早在1931年，Web就對(duì)美國(guó)大平原的農(nóng)業(yè)土地利用類(lèi)型進(jìn)行了深入研究。進(jìn)入20世紀(jì)80年代以后，歐美國(guó)家發(fā)射了大量衛(wèi)星，積累了大量的對(duì)地觀測(cè)數(shù)據(jù)，這為遙感數(shù)據(jù)在土地利用的研究當(dāng)中的廣泛運(yùn)用奠定了堅(jiān)實(shí)基礎(chǔ)。自此，遙感數(shù)據(jù)成為土地利用研究不可或缺的重要工具。如Koko等基于土地利用動(dòng)態(tài)變化結(jié)合CA-Markov模型對(duì)尼日利亞Zaria市2035年土地利用狀況進(jìn)行預(yù)測(cè)[11]；Meyer等對(duì)德國(guó)紐倫堡市農(nóng)業(yè)土地利用變化的驅(qū)動(dòng)因素進(jìn)行量化[12]；Suroso等采用SHETRAN模型探討土地利用變化對(duì)布蘭塔斯流域河流流量的影響[13]。國(guó)內(nèi)當(dāng)前主流的研究手段是結(jié)合GIS、RS、GPS相結(jié)合，利用3S技術(shù)研究土地利用變化。例如：寧啟蒙等以2000年至2015年的遙感影像為基礎(chǔ)，綜合運(yùn)用GIS、景觀格局分析、OLS回歸分析相結(jié)合的方法定量分析洞庭湖的土地利用和景觀格局的時(shí)空演變特征及二者之間的關(guān)系[14]。胡栩等針對(duì)塔里木盆地南緣和田地區(qū)，以1990—2016年的遙感數(shù)據(jù)為基礎(chǔ)，采用面向?qū)ο蟮姆謱臃诸?lèi)方法，提取了和田塔里木地區(qū)的土地利用情況，重點(diǎn)分析了土地利用變化特征、發(fā)展模式和區(qū)域差異性[15]。鄔亞娟等分析了1987—2017年科爾沁沙地—草甸過(guò)渡帶區(qū)域土地利用/覆被動(dòng)態(tài)演變規(guī)律[16]。王少華使用土地利用數(shù)據(jù)對(duì)鄭州沿黃旅游區(qū)進(jìn)行時(shí)空分異特征及土地利用演變規(guī)律分析[17]。隨著土地利用變化研究越來(lái)越涉及長(zhǎng)時(shí)序、大尺度，對(duì)于硬件的要求越來(lái)越高。隨著云計(jì)算技術(shù)的發(fā)展，GEE平臺(tái)等遙感云計(jì)算平臺(tái)應(yīng)運(yùn)而生。目前，國(guó)內(nèi)外學(xué)者基于GEE平臺(tái)開(kāi)展了大量的研究，例如：Hansen等基于GEE平臺(tái)，使用30米分辨率的遙感影像分析了2000年至2012全球森林變化情況[18]。Xiong等應(yīng)用GEE平臺(tái)研究了整個(gè)非洲區(qū)域耕地的時(shí)間序列變化[19]。胡云鋒等基于GEE平臺(tái)，使用決策樹(shù)的方法對(duì)北京市20多年的Landsat影像進(jìn)行解譯，并對(duì)北京市的土地利用變化特征以及驅(qū)動(dòng)機(jī)制進(jìn)行研究[20]。鄒亞?wèn)|等使用GEE平臺(tái)對(duì)北洛河流域1970—2019年間的土地利用變化特征進(jìn)行分析[21]。1.3研究?jī)?nèi)容與技術(shù)路線(xiàn)1.3.1研究?jī)?nèi)容本文將以海南省?？谑袨檠芯繉?duì)象，利用GoogleEarthEngine（下文稱(chēng)GEE）提取目標(biāo)年份?？谑型恋乩妙?lèi)型數(shù)據(jù)，并從四個(gè)方面對(duì)?？谑械耐恋乩脮r(shí)空變化特征進(jìn)行分析，分別為土地利用空間分布、土地利用程度、土地利用類(lèi)型轉(zhuǎn)移以及土地利用結(jié)構(gòu)，同時(shí)，通過(guò)地理探測(cè)器對(duì)海口市土地利用變化的驅(qū)動(dòng)因子進(jìn)行進(jìn)一步的分析，以期為?？谑械耐恋刭Y源規(guī)劃和后續(xù)的城市建設(shè)提供一定的科學(xué)依據(jù)，并以研究結(jié)果為基礎(chǔ)為?？谑型恋乩靡?guī)劃提出建議，具體開(kāi)展以下內(nèi)容研究：（1）基于GEE平臺(tái)對(duì)2000—2023年期間的最小云量數(shù)據(jù)進(jìn)行提取，同時(shí)對(duì)處理后的影像按照海口市的行政區(qū)劃進(jìn)行鑲嵌和裁剪等預(yù)處理。建立合理的土地利用分類(lèi)體系，綜合考慮海口市的社會(huì)經(jīng)濟(jì)、自然環(huán)境、影像質(zhì)量等多方面的因素，根據(jù)土地利用分類(lèi)體系進(jìn)行先驗(yàn)樣本的選取，同時(shí)構(gòu)建多維分類(lèi)特征集輔助分類(lèi)。本文采用隨機(jī)森林算法進(jìn)行監(jiān)督分類(lèi)，為保證分類(lèi)精度，本文將通過(guò)總體精度（OA）和Kappa系數(shù)對(duì)分類(lèi)結(jié)果的精度進(jìn)行評(píng)估；（2）利用監(jiān)督分類(lèi)提取得出的?？谑型恋乩矛F(xiàn)狀，生成?？谑心繕?biāo)年份的土地利用結(jié)構(gòu)，對(duì)?？谑?3年間的土地利用結(jié)構(gòu)進(jìn)行時(shí)空變化特征分析；疊加分析得出各地類(lèi)的時(shí)空變化圖，剖析各地類(lèi)分布在不同時(shí)間節(jié)點(diǎn)的變化特征；計(jì)算?？谑懈髂繕?biāo)年份的土地利用程度，在此基礎(chǔ)上，進(jìn)一步計(jì)算?？谑械耐恋乩贸潭茸兓恳约八俾剩瑸橹庇^展現(xiàn)?？谑型恋乩贸潭?，構(gòu)建公里網(wǎng)格，對(duì)海口市土地利用程度進(jìn)行可視化處理；利用土地利用轉(zhuǎn)移矩陣，對(duì)?？谑懈鞯仡?lèi)互相轉(zhuǎn)移的方向和數(shù)量進(jìn)行統(tǒng)計(jì)，分析?？谑型恋乩妙?lèi)型的轉(zhuǎn)移特征。（3）構(gòu)建驅(qū)動(dòng)因子體系，憑借地理探測(cè)器對(duì)各驅(qū)動(dòng)因子進(jìn)行探測(cè)，了解在?？谑型恋乩米兓^(guò)程各驅(qū)動(dòng)因子的解釋力度。1.3.2技術(shù)路線(xiàn)圖本研究的技術(shù)路線(xiàn)如圖1-1所示。圖1-1技術(shù)路線(xiàn)示意圖2研究區(qū)概況及數(shù)據(jù)來(lái)源2.1?？谑懈艣r2.1.1自然地理概況?？谑惺呛Ｄ鲜∈?huì)城市，位于北緯19°31′—20°04′，東經(jīng)110°07′—110°40′，地處海南島北部，陸地面積2296.82平方千米，海域面積791平方千米。研究區(qū)屬于熱帶季風(fēng)氣候，地勢(shì)平緩，主要土壤類(lèi)型為磚紅壤、帶狀潮沙泥、濱海沙土。研究區(qū)概況如圖2-1所示。圖2-1?？谑械乩砦恢酶艣r2.1.2社會(huì)經(jīng)濟(jì)概況?？谑惺呛Ｄ辖ㄔO(shè)自由貿(mào)易港的核心城市，也是我們國(guó)家“一帶一路”的重要支點(diǎn)城市。截止2022年海口市共有常住人口293.97萬(wàn)人，生產(chǎn)總值為2134.7672億元，隨著2008年“國(guó)際旅游島”的提出，人口數(shù)量增加，城市化進(jìn)程加快，土地利用發(fā)生劇烈轉(zhuǎn)型[22]。2.2數(shù)據(jù)來(lái)源2.2.1Landsat系列遙感數(shù)據(jù)Landsat系列衛(wèi)星自1972年7月23日以來(lái)，已發(fā)射14顆衛(wèi)星，是目前全世界運(yùn)行時(shí)間最長(zhǎng)的衛(wèi)星系列，由于Landsat系列遙感數(shù)據(jù)具有較為完整的時(shí)間序列，同時(shí)具有范圍廣、具有中高分辨率等特點(diǎn)，因此在大尺度長(zhǎng)時(shí)序的研究中具有較大的優(yōu)勢(shì)。本論文將利用Landsat-5TM和Landsat-8OLI影像，對(duì)2000年、2005年、2010年、2015年、2020年以及2023年共六年的土地利用分類(lèi)進(jìn)行提取并進(jìn)行時(shí)空變化分析。Landsat-5于1984年3月1日成功發(fā)射，在長(zhǎng)達(dá)數(shù)十年的服務(wù)期后于2013年退役停止使用。該衛(wèi)星搭載了光機(jī)掃描儀傳感器（MSS）以及專(zhuān)題制圖儀傳感器（TM），重訪周期為16天，掃描范圍方面，南北為170km，東西為183km。Landsat-5TM影像的七個(gè)波段及其使用領(lǐng)域如表2-1所示。2013年2月11日，Landsat-8成功發(fā)射，搭載了陸地成像儀（OLI）和熱紅外傳感器（TIRS）。重訪周期為16天，成像寬幅為185x185公里。本次使用的影像為L(zhǎng)andsat-8OLI影像，Landsat-8的各個(gè)波段及其使用領(lǐng)域如表2-2所示。2.2.2SRTMDEM數(shù)據(jù)本文使用SRTM1數(shù)據(jù)集，該數(shù)據(jù)集的分辨率為30m，由航天飛機(jī)雷達(dá)地形測(cè)繪任務(wù)（SRTM）測(cè)繪得到的數(shù)據(jù)處理形成，本文利用STRMDEM高程數(shù)據(jù)計(jì)算高程用于構(gòu)建多維分類(lèi)特征集。同時(shí)利用?？谑懈叱逃?jì)算海口市坡度情況，將高程和坡度作為驅(qū)動(dòng)因子進(jìn)行研究。2.2.3其他數(shù)據(jù)本文中以?？谑懈叱虜?shù)據(jù)、年均降雨量數(shù)據(jù)、年均地表溫度數(shù)據(jù)、全國(guó)路網(wǎng)數(shù)據(jù)、夜間燈光數(shù)據(jù)為基礎(chǔ)，進(jìn)行驅(qū)動(dòng)因子分析。其中年降雨量數(shù)據(jù)、年均地表溫度數(shù)據(jù)在國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（/main）下載，全國(guó)路網(wǎng)數(shù)據(jù)在地理空間數(shù)據(jù)云平臺(tái)（/）下載得到，夜光遙感數(shù)據(jù)下載地址為：/products/vnl。2.3GEE平臺(tái)介紹GoogleEarthEngine（GEE）是一款由谷歌聯(lián)合卡內(nèi)基梅隆大學(xué)以及美國(guó)地質(zhì)調(diào)查局（USGS）共同研發(fā)的云端計(jì)算平臺(tái)。GEE平臺(tái)融合了谷歌服務(wù)器提供的強(qiáng)大計(jì)算能力以及大范圍的云計(jì)算資源[23]，同時(shí)在平臺(tái)中還提供了對(duì)地觀測(cè)衛(wèi)星大量完整的影像數(shù)據(jù)，除了本文所使用的Landsat系列遙感數(shù)據(jù)集外，GEE平臺(tái)還提供了Sentinel系列數(shù)據(jù)、MODIS等數(shù)據(jù)，同時(shí)還提供了植被、地表溫度等數(shù)據(jù)集，在做到數(shù)據(jù)庫(kù)實(shí)時(shí)更新的同時(shí)，用戶(hù)也可以通過(guò)簡(jiǎn)單的代碼對(duì)各種數(shù)據(jù)集進(jìn)行方便快捷的調(diào)用和處理。GEE平臺(tái)與傳統(tǒng)的遙感數(shù)據(jù)處理以及空間分析方法相比，具有多種優(yōu)勢(shì)，首先用戶(hù)可以放心調(diào)用各個(gè)系列的影像數(shù)據(jù)而不用擔(dān)心數(shù)據(jù)投影、地理坐標(biāo)等常見(jiàn)問(wèn)題，因?yàn)樵撈脚_(tái)提供的數(shù)據(jù)已經(jīng)經(jīng)過(guò)一系列預(yù)處理，例如大氣校正、輻射定標(biāo)等；其次GEE平臺(tái)為用戶(hù)提供了云計(jì)算服務(wù)，在大尺度長(zhǎng)時(shí)序的遙感數(shù)據(jù)的處理方面具有一定的優(yōu)勢(shì)，降低了相關(guān)研究的硬件要求；最后，相較于付費(fèi)的ENVI、ArcGIS等專(zhuān)業(yè)軟件，GEE完全免費(fèi)提供以上服務(wù)，為更多科研人員提供了一個(gè)高性能技術(shù)平臺(tái)[24]。2.4數(shù)據(jù)預(yù)處理在遙感影像的處理當(dāng)中，云層的存在會(huì)導(dǎo)致在影像中出現(xiàn)大量的異常值（云、云影等），這些異常值的存在會(huì)嚴(yán)重影像后續(xù)遙感數(shù)據(jù)的處理，也為后續(xù)的分析帶來(lái)困難[25]，因此，對(duì)于遙感影像的去云處理是后續(xù)利用遙感影像的必要步驟。具體操作流程如下（以Landsat-8為例）：首先在GEE中調(diào)用QA_PIXEL波段實(shí)現(xiàn)對(duì)云以及云影的識(shí)別和處理，完成去云函數(shù)的構(gòu)建，之后利用代碼調(diào)用USGSLandsat8Level2,Collection2,Tier1數(shù)據(jù)集，對(duì)影像進(jìn)行范圍、時(shí)間、云量（篩選掉云量在20%以上的影像）的篩選，之后通過(guò)map()函數(shù)調(diào)用去云函數(shù)，完成對(duì)Landsat-8OLI影像的去云處理。由于去云處理后影像上會(huì)產(chǎn)生空洞，因此，需要調(diào)用median()函數(shù)對(duì)影像進(jìn)行中值合成操作，同時(shí)對(duì)目標(biāo)年份的前后各一年的數(shù)據(jù)進(jìn)行相同處理備用，保證影像的完整性和精確性。最后利用clip()函數(shù)，根據(jù)前期上傳的?？谑行姓吔缡噶繑?shù)據(jù)對(duì)獲得的影像進(jìn)行裁剪工作，最終獲得研究區(qū)內(nèi)目標(biāo)年份的遙感影像數(shù)據(jù)。通過(guò)上述方法處理遙感數(shù)據(jù)影像，獲得目標(biāo)年份的最小云量數(shù)據(jù)集，有效解決研究區(qū)在雨季多云多雨導(dǎo)致遙感影像質(zhì)量不佳的問(wèn)題，從而提高了數(shù)據(jù)質(zhì)量和研究準(zhǔn)確性。3海口市土地利用分類(lèi)3.1土地利用分類(lèi)體系與流程3.1.1土地利用分類(lèi)體系的構(gòu)建本文參照《土地利用現(xiàn)狀分類(lèi)》（GB/T21010-2017）和《中華人民共和國(guó)土地管理法》的九大類(lèi)、三大類(lèi)標(biāo)準(zhǔn)，考慮到本次研究目的，以及?？谑械纳鐣?huì)經(jīng)濟(jì)條件、自然條件等因素，同時(shí)結(jié)合遙感數(shù)據(jù)的空間分辨率以及可判讀性，制定分類(lèi)標(biāo)準(zhǔn)。分類(lèi)標(biāo)準(zhǔn)表3-1所示。土地利用類(lèi)型含義水域天然水域以及人工水利設(shè)施用地等林草地一般喬木、灌木林地、苗木培育基地及草地等建設(shè)用地城鎮(zhèn)用地、農(nóng)村居民點(diǎn)、工礦以及交通用地等耕地種植農(nóng)作物的土地，其中包括熟耕地、輪歇地以及休閑地等未利用地到目前為止還未利用或者難以利用的土地3.1.2多維分類(lèi)特征集的構(gòu)建本次研究中，利用GEE平臺(tái)提取出各地物類(lèi)型的分類(lèi)特征，本次要提取的分類(lèi)特征可分為兩類(lèi)，分別為光譜特征和地形特征。1）光譜特征的構(gòu)建為了保證分類(lèi)的精度，同時(shí)避免數(shù)據(jù)集過(guò)大，超過(guò)GEE處理內(nèi)存的情況出現(xiàn)，本文將在GEE平臺(tái)上利用Landsat-5TM的1-5波段、Landsat-8OLI的1-7波段作為分類(lèi)的多光譜波段，同時(shí)利用這些波段對(duì)地物的歸一化植被指數(shù)（NDVI）、歸一化水體指數(shù)（NDWI）、裸地指數(shù)（BSI）等指標(biāo)進(jìn)行計(jì)算[26]，構(gòu)建出用于土地利用分類(lèi)的光譜特征集。歸一化植被指數(shù)（NDVI）是用于反映植被理化性質(zhì)的重要指標(biāo)，在檢測(cè)植物生長(zhǎng)、植被覆蓋度等研究中受到廣泛的應(yīng)用，NDVI的表達(dá)式為：NDVI=NIR?RNIR+R式中，NIR為近紅外波段反射率，R為紅波段的反射率。歸一化水體指數(shù)（NDWI）用于水體信息的獲取，其表達(dá)式為：NDWI=G?NIRG+NIR式中，G為綠波段反射率，NIR為近紅外波段反射率。裸地指數(shù)（BSI）用于裸地的提取，其表達(dá)式為：BSI=(SWIR+R)?(NIR+B)(SWIR+R)+(NIR+B)式中，SWIR為短波紅外波段反射率，R為紅波段反射率，NIR為近紅外波段反射率，B為藍(lán)波段反射率。2）地形特征的構(gòu)建本文選擇高程數(shù)據(jù)（elevation）作為土地利用分類(lèi)的地形特征集，該數(shù)據(jù)由SRTMDEM數(shù)據(jù)裁剪得到。3.1.3樣本點(diǎn)的選取在GEE中，首先通過(guò)函數(shù)逐年調(diào)用目標(biāo)年份的影像數(shù)據(jù)，同時(shí)將目標(biāo)年份的遙感影像添加到圖層，在添加的遙感影像上通過(guò)目視識(shí)別的方式對(duì)每種地類(lèi)的樣本點(diǎn)進(jìn)行選取。在選取樣本的過(guò)程中要確保樣本點(diǎn)在研究區(qū)域內(nèi)均勻分布。本文將從選擇好的樣本點(diǎn)中隨機(jī)抽取70%作為樣本點(diǎn)作為訓(xùn)練集，而剩余地30%的樣本點(diǎn)用于精度評(píng)價(jià)工作，以確保分類(lèi)結(jié)果的準(zhǔn)確性。樣本點(diǎn)分布（以2023年為例）如圖3-1所示。圖3-1樣本點(diǎn)選取分布圖3.1.4隨機(jī)森林算法隨機(jī)森林機(jī)器學(xué)習(xí)算法（RandomForest）是由美國(guó)學(xué)者布瑞曼（Breiman）在CART決策樹(shù)算法的基礎(chǔ)上發(fā)展的一種機(jī)器學(xué)習(xí)方法。這種學(xué)習(xí)算法在每顆決策樹(shù)構(gòu)建的過(guò)程中需要進(jìn)行兩次隨機(jī)取樣過(guò)程，一次為針對(duì)樣本的隨機(jī)采樣，另一次為針對(duì)特征信息的隨機(jī)采樣[27]。過(guò)程中采用Bootstrap采樣技術(shù)對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行有放回的隨機(jī)采樣，抽取數(shù)據(jù)集中2/3的樣本訓(xùn)練決策樹(shù)，剩余的1/3的樣本將被用于隨機(jī)森林模型的性能評(píng)估，按照以上規(guī)則分別訓(xùn)練數(shù)個(gè)特征子空間構(gòu)建數(shù)個(gè)決策樹(shù)，最后將各決策樹(shù)得到的結(jié)果整合到一起形成最終結(jié)果。隨機(jī)森林算法的工作方法如圖3-2所示。圖3-2隨機(jī)森林算法示意圖本文將借助GEE平臺(tái)使用隨機(jī)森林算法進(jìn)行土地利用分類(lèi)，將前期確定的多維分類(lèi)特征集導(dǎo)入到隨機(jī)森林函數(shù)中進(jìn)行學(xué)習(xí)訓(xùn)練，為保證監(jiān)督分類(lèi)結(jié)果的精確性，本文選擇決策樹(shù)數(shù)量為100[28]，其他參數(shù)默認(rèn)，對(duì)研究區(qū)目標(biāo)年份的土地利用影像數(shù)據(jù)進(jìn)行監(jiān)督分類(lèi)分類(lèi)。3.1.5土地利用分類(lèi)精度評(píng)估土地利用分類(lèi)的精度反映了監(jiān)督分類(lèi)分類(lèi)的結(jié)果與實(shí)際的地物類(lèi)型是否具有一致性，對(duì)后續(xù)的時(shí)空變化特征分析的準(zhǔn)確性和有效性具有重要意義，因此，本次研究將通過(guò)計(jì)算混淆矩陣（ConfusionMatrix）隨機(jī)森林算法的分類(lèi)精度進(jìn)行評(píng)估。混淆矩陣具有四個(gè)評(píng)價(jià)因子，分別為用戶(hù)精度、生產(chǎn)者精度、總體精度、Kappa系數(shù)[29]，本文將引用總體精度（OA）和Kappa系數(shù)對(duì)土地利用分類(lèi)的結(jié)果進(jìn)行精度檢驗(yàn)。1）總體精度總體精度指被正確分類(lèi)的像元數(shù)占所有作為參考樣本的像元的比例，其公式為：OA=i=1r式中r為混淆矩陣的行列數(shù)，A為參考樣本的總像元數(shù)。2）Kappa系數(shù)Kappa系數(shù)是用于檢驗(yàn)分類(lèi)結(jié)果與先驗(yàn)樣本之間的一致性，是一種定量評(píng)價(jià)分類(lèi)結(jié)果的方式，其公式為：K=Nk=1式中，r為混淆矩陣的總行列數(shù)，Pij為混淆矩陣第i行第j列的元素。一般情況下，Kappa系數(shù)大于0.8表示分類(lèi)結(jié)果與實(shí)際地物具有較高的一致性，即分類(lèi)精度高。Kappa系數(shù)在0.4至0.8之間認(rèn)為一致性中等，Kappa系數(shù)低于0.4表示分類(lèi)結(jié)果誤差較大，需要重新分類(lèi)。3.2土地利用分類(lèi)結(jié)果及精度評(píng)價(jià)3.2.1?？谑型恋乩梅诸?lèi)結(jié)果在GEE平臺(tái)上將選擇好的各地類(lèi)的分類(lèi)樣本導(dǎo)入用JavaScript語(yǔ)言編寫(xiě)的程序中，同時(shí)將前期構(gòu)建多維分類(lèi)特征集，包括NDVI、NDWI、BSI、DEM等指數(shù)導(dǎo)入程序，完成對(duì)?？谑心繕?biāo)年份的遙感影像數(shù)據(jù)的監(jiān)督分類(lèi)，獲得以下分類(lèi)結(jié)果，如圖3-2所示。圖3-22000年至2023年?？谑型恋乩梅诸?lèi)結(jié)果3.2.2精度評(píng)價(jià)本文通過(guò)GEE平臺(tái)計(jì)算混淆矩陣，經(jīng)過(guò)計(jì)算得到總體進(jìn)度和Kappa系數(shù)值如表3-2所示。2000年2005年2010年2015年2020年2023年OA0.89090.89420.89420.89900.87380.8941Kappa0.85520.85780.85460.86950.83220.8616從GEE平臺(tái)中通過(guò)計(jì)算混淆矩陣可以看出，總體精度和Kappa系數(shù)均在0.83以上，且OA的標(biāo)準(zhǔn)差為0.008，Kappa系數(shù)的標(biāo)準(zhǔn)差為0.01，這表明隨機(jī)森林算法在不同的時(shí)間段對(duì)同一地物類(lèi)型的分類(lèi)較為穩(wěn)定，可以很好得完成對(duì)?？谑羞b感影像數(shù)據(jù)進(jìn)行監(jiān)督分類(lèi)的工作，為后續(xù)分析研究提供了基礎(chǔ)。4土地利用時(shí)空變化分析4.1土地利用結(jié)構(gòu)變化分析土地利用結(jié)構(gòu)可以反映出一個(gè)地區(qū)的發(fā)展?fàn)顩r，本文基于土地利用分類(lèi)的結(jié)果對(duì)各目標(biāo)年份的水域、林草地、建設(shè)用地、耕地、未利用地各自所占總面積的比例進(jìn)行計(jì)算，得到結(jié)果如表4-1、圖4-1所示。年份200020052010201520202023水域12.2312.3112.8312.8111.9612.83林草地44.0339.7838.3836.7233.5131.93建設(shè)用地7.027.198.6310.5411.0512.31耕地35.0139.6538.4837.2842.7142.17未利用地1.711.081.682.650.780.76圖4-1?？谑型恋乩媒Y(jié)構(gòu)柱狀示意圖從圖中可以看出，?？谑械耐恋乩妙?lèi)型主要聚焦于林草地和耕地，從2000年到2023年，耕地所占的比例分別為35.01%、39.65%、38.48%、37.28%、42.71%、42.17%，林草地為44.03%、39.78%、38.38%、36.72%、33.51%、31.93%，相加可知每年的林草地及耕地面積超過(guò)了全?？谑械?0%。從土地利用分類(lèi)結(jié)果上來(lái)看，連片的耕地主要分布在美蘭區(qū)北部、瓊山區(qū)南部、龍華區(qū)南部，而林草地則廣泛分布在海口市的南部地區(qū)，且除了龍華及秀英區(qū)南部地區(qū)的林草地外，其余的林草地分布較為分散和破碎，除以上地區(qū)外，?？谑袞|部東寨港地區(qū)存在紅樹(shù)林，本文將其劃分為林草地，由于對(duì)紅樹(shù)林保護(hù)方面存在相關(guān)的政策和條例，紅樹(shù)林地區(qū)的林草地較為穩(wěn)定，為海口市維護(hù)生態(tài)平衡、保護(hù)生物多樣性、促進(jìn)可持續(xù)發(fā)展等方面提供了助力。建設(shè)用地的從分類(lèi)結(jié)果上來(lái)看，主要分布再海口市的北部沿海地區(qū)，并以龍華區(qū)為中心像東西方向逐步擴(kuò)張，建設(shè)用地的占比為7.02%、7.19%、8.63%、10.54%、11.05%、12.31%，從占比可以看出從2000年到2023年，始終展現(xiàn)出穩(wěn)步上升的狀態(tài)，這可能是由于?？谑械某Ｗ∪丝谔幱谥鹉晟仙臓顟B(tài)，對(duì)住房以及配套設(shè)施建筑的需求不斷增加，促進(jìn)了海口市建設(shè)用地的增加。水域2000年至2023年所占研究區(qū)面積的比例為12.23%、12.31%、12.83%、12.81%、11.96%、12.83%。從占比可以看出?？谑兴蛎娣e較為穩(wěn)定，波動(dòng)較小。未利用地2000年至2023年所占研究區(qū)面積的比例為1.71%、1.08%、1.68%、2.65%、0.78%、0.76%，由占比可知，未利用地占海口市總面積的比例較小，但是波動(dòng)較大，這是因?yàn)槲蠢玫厥苋藶橐蛩赜绊戄^大，同時(shí)分布也比較不穩(wěn)定，導(dǎo)致未利用地的變化較大。總體來(lái)說(shuō)，?？谑型恋乩媒Y(jié)構(gòu)的現(xiàn)狀為，耕地總體上呈現(xiàn)擴(kuò)張的趨勢(shì)，但在一些年份出現(xiàn)了減少的情況；林草地呈現(xiàn)緩慢減少的情況，但占比還是出于較高水平；建設(shè)用地在2000年到2023年期間呈現(xiàn)出持續(xù)且穩(wěn)定的增長(zhǎng)狀態(tài)；水域占比較低，且變化幅度較小，處于較為穩(wěn)定的狀態(tài)；未利用地占比較低，但由于人為因素，變化幅度較大。4.2土地利用時(shí)空分布變化分析本文借助ArcGIS軟件，將監(jiān)督分類(lèi)得到的結(jié)果進(jìn)行提取、柵格計(jì)算等處理，得到了各地類(lèi)各目標(biāo)年份的分布情況以及2000—2023年的變化情況示意圖。由于水域的分布較為穩(wěn)定，而未利用地占比較小，且受人為因素影響較大，不對(duì)水域和未利用地進(jìn)行土地利用時(shí)空分布變化分析。1）林草地2000—2023年林草地的分布如圖4-2所示，2000—2023年林草地空間分布變化情況如圖4-3所示。圖4-2?？谑辛植莸?000—2023年空間分布示意圖圖4-32000—2023年?？谑辛植莸乜臻g分布變化示意圖林草地是城市發(fā)展的重要資源，是?？谑凶匀毁Y源的重要組成部分，截止到2023年林草地依舊占有?？谑忻娣e的三分之一。由圖4-2可知，海口市的林草地在北部沿海地區(qū)分布較少，在海口市南部分布較為廣泛，從分布圖可以比較直觀地發(fā)現(xiàn)，2000年?？谑械牧植莸剌^為完整，而隨著時(shí)間的推進(jìn)，由于城市發(fā)展等需求，林草地逐漸轉(zhuǎn)化為建設(shè)用地以及耕地，由于這兩種用地類(lèi)型的“切割”，林草地的分布隨著年份的推進(jìn)逐漸出現(xiàn)離散化、破碎化的現(xiàn)象。由圖4-3分布變化示意圖可以看出，2000—2023年期間?？谑辛植莸販p少的數(shù)量較多，東南部分的林草地區(qū)域損失最為嚴(yán)重；紅樹(shù)林區(qū)域保護(hù)較為完善，圖中所示的紅樹(shù)林濕地的分布范圍基本不變，這表明在2000年到2023年的時(shí)間范圍內(nèi)紅樹(shù)林得到了有效的保護(hù)。2）耕地2000—2023年耕地的分布如圖4-4所示，2000—2023年耕地空間分布變化情況如圖4-5所示。圖4-4?？谑懈?000—2023年空間分布示意圖圖4-52000—2023年海口市耕地空間分布變化示意圖海南省位于我國(guó)的南部，是我國(guó)唯一一個(gè)熱帶省份，氣候類(lèi)型為熱帶季風(fēng)氣候，氣候的主要特點(diǎn)是輻射量大、日照長(zhǎng)、氣溫高、積溫多，這種優(yōu)越的氣候條件大大縮短了農(nóng)作物的育種周期，加快農(nóng)作物新品種的研發(fā)和培育，為農(nóng)作物研究和生產(chǎn)提供了得天獨(dú)厚的優(yōu)勢(shì)，在這種背景下，海口市在2000—2023年期間保留和開(kāi)發(fā)了大量的耕地，以滿(mǎn)足海口市對(duì)于農(nóng)作物的消費(fèi)和科研需求。從圖4-4可知?？谑谐Ｄ昃S持了大量的耕地，在基本的連片耕地保持不動(dòng)的情況下，耕地范圍也在隨著年份的推進(jìn)而增加，逐漸包圍和占據(jù)了東南部地區(qū)的林草地分布區(qū)域。從圖4-5可以看出2000—2023年期間，海口市的耕地分布地區(qū)的擴(kuò)張十分明顯，大多數(shù)擴(kuò)張是通過(guò)轉(zhuǎn)化林草地來(lái)進(jìn)行的，同時(shí)也存在一定的將耕地轉(zhuǎn)為其他用地的情況出現(xiàn)，例如在海口市北部地區(qū)耕地分布時(shí)空變化主要為減少，這是由于2000—2023年期間，建設(shè)用地增加，?？诒辈康母匾徊糠洲D(zhuǎn)化為了建設(shè)用地。從總體來(lái)看，耕地的面積在2000—2023年期間大量增加，增加的大部分來(lái)自林草地，而減少的部分大多轉(zhuǎn)化為建設(shè)用地。3）建設(shè)用地2000—2023年建設(shè)用地的分布如圖4-6所示，2000—2023年建設(shè)用地空間分布變化情況如圖4-7所示。圖4-6?？谑薪ㄔO(shè)用地2000—2023年空間分布示意圖圖4-72000—2023年?？谑薪ㄔO(shè)用地空間分布變化示意圖建設(shè)用地的分布反應(yīng)了一個(gè)地區(qū)的繁容程度和社會(huì)經(jīng)濟(jì)水平，?？谑邢螺犓膫€(gè)行政區(qū)，分別為秀英區(qū)、龍華區(qū)、瓊山區(qū)、美蘭區(qū)，建設(shè)用地的分布情況一定程度上反映了?？谑兴膫€(gè)區(qū)不同的發(fā)展程度和發(fā)展?fàn)顟B(tài)。由分布圖以及變化示意圖可以看出，2000年海口市的主要建設(shè)用地分布在?？谑斜辈垦睾５貐^(qū)，在后續(xù)的23年時(shí)間中，建設(shè)用地的分布范圍逐漸擴(kuò)張，擴(kuò)張的特征為：以龍華區(qū)老城區(qū)為中心，逐漸向東西方向延申擴(kuò)展，同時(shí)在?？谑心喜砍霈F(xiàn)了新增的建設(shè)用地分布，這表明建設(shè)用地分布由一定向南延申的趨勢(shì)，同時(shí)也表明，?？谑袑?duì)于南部林草地以及耕地的利用逐步重視和增加。但同時(shí)建設(shè)用地的增加也導(dǎo)致了林草地以及耕地的損失，使得林草地的分布變得破碎和分散。綜合以上三種地類(lèi)時(shí)空分布變化的分析，可以得出?？谑型恋乩梅植甲兓奶攸c(diǎn)為：林草地分布面積大幅減少，耕地面積有增有減但是整體上在增加，建設(shè)用地分布面積從2000年開(kāi)始出現(xiàn)穩(wěn)定增長(zhǎng)的趨勢(shì)，水域較為穩(wěn)定，沒(méi)有太大變化，未利用地受人為影響較大，未體現(xiàn)出變化規(guī)律。4.3土地利用程度時(shí)空變化分析4.3.1土地利用程度土地利用程度是衡量土地利用狀態(tài)的一種尺度，通過(guò)定量的分析手段評(píng)估研究區(qū)內(nèi)土地的使用的充分性。為土地資源的合理利用提供有力支撐。1）土地利用程度分級(jí)表本文參考劉紀(jì)遠(yuǎn)所提出的土地利用程度分析方法[30]，將土地利用程度分為四個(gè)等級(jí)，土地利用程度分級(jí)表如表4-2所示。12342）土地利用程度綜合指數(shù)L=100×i=1式中，A為第i類(lèi)土地利用類(lèi)型的分級(jí)指數(shù)，C為第i類(lèi)土地利用類(lèi)型的面積占比。3）土地利用程度變化量Lb?a=式中，Lb-a表示土地利用程度綜合指數(shù)的變化量，La和Lb分別為a年和b年的海口市土地利用綜合指數(shù)，Cia和Cib分別為a年和b年第i類(lèi)土地利用類(lèi)型的面積占比。4）土地利用程度變化率G=Lb?a式中，Lb-a表示a年到b年土地利用程度的變化量，La為a年的海口市土地利用綜合指數(shù)。4.3.2?？谑型恋乩贸潭确治龈鶕?jù)前文計(jì)算分析的海口市2000—2023年土地利用結(jié)構(gòu)數(shù)據(jù)，利用公式（4.1）對(duì)?？谑型恋乩贸潭冗M(jìn)行計(jì)算，可以得到海口市目標(biāo)年份土地利用程度指數(shù)如表4-3所示。根據(jù)土地利用程度綜合指數(shù)進(jìn)一步計(jì)算得到綜合變化量及變化率，如表4-4所示。年份2000年2005年2010年2015年2020年2023年L247.34252.95254.06255.72264.03266.03年份2000—20052005—20102010—20152015—20202020—2023變化量5.611.111.668.312.00變化率2.27%0.43%0.65%3.25%0.76%由?？谑型恋乩贸潭染C合指數(shù)、綜合變化量、變化率可知，?？谑型恋乩贸潭仍谶^(guò)去的23年中始終呈現(xiàn)出上升的趨勢(shì)，說(shuō)明在這段時(shí)期?？谑械耐恋乩檬窃絹?lái)越充分的，由?？谑型恋乩贸潭茸兓士芍?，在2000—2005年以及2015—2020年期間，綜合變化率較高，這表示在這段時(shí)期，?？谑械纳鐣?huì)經(jīng)濟(jì)方面發(fā)展速度較快。借助ArcGIS軟件對(duì)土地利用分類(lèi)結(jié)果通過(guò)創(chuàng)建漁網(wǎng)的方法進(jìn)行處理得到1km分辨率的土地利用程度分布圖，以此來(lái)更加直觀地展現(xiàn)?？谑械赝恋乩贸潭龋贸潭确植既鐖D4-8所示。圖4-8海口市2000—2023年土地利用程度綜合指數(shù)示意圖由圖4-8可知，?？谑型恋乩贸潭容^高的地區(qū)往往是城市中心，之后向東西兩邊擴(kuò)散，而由于東南部分存在大量耕地這種分級(jí)指數(shù)較高的地物類(lèi)型，因此往往能保持較高的土地利用程度。2000年和2020年土地利用程度綜合指數(shù)的示意圖顏色較淺，這可能是因?yàn)?000年由于整體的土地利用程度并不高，而水域由于自身特性可以獲得200的土地利用程度指數(shù)，同時(shí)存在較多分類(lèi)指數(shù)較低的未利用地，導(dǎo)致圖像整體顏色偏向土地利用程度綜合指數(shù)較高的顏色，從而使得圖像看上去顏色相較于其他的圖像更淺。4.4土地利用轉(zhuǎn)移矩陣分析土地利用轉(zhuǎn)移矩陣是定量分析土地利用類(lèi)型轉(zhuǎn)移情況的一種手段，同時(shí)通過(guò)轉(zhuǎn)移矩陣可以對(duì)土地利用類(lèi)型的轉(zhuǎn)移方向進(jìn)行監(jiān)控[31]。將土地利用分類(lèi)結(jié)果進(jìn)行疊加分析，同時(shí)為了能更直觀的體現(xiàn)土地之間的轉(zhuǎn)化，將轉(zhuǎn)移矩陣中的數(shù)值除以?？谑锌偯娣e，用占?？谑锌偯娣e的比例代替實(shí)際面積，得到2000—2023年每?jī)赡曛g的轉(zhuǎn)移矩陣，如表4-5、4-6、4-7、4-8、4-9所示，在轉(zhuǎn)移矩陣中，對(duì)角線(xiàn)上的元素表示這種土地保持不變的區(qū)域。每一行的數(shù)據(jù)代表某一類(lèi)土地轉(zhuǎn)為其他類(lèi)土地的面積，而每一列的數(shù)據(jù)代表其他類(lèi)土地轉(zhuǎn)為某一類(lèi)土地的面積。由表4-5的數(shù)據(jù)可以得出，在轉(zhuǎn)出方面，轉(zhuǎn)出比例最大的地類(lèi)為林草地和耕地，分別為12.85%和10.99%，建設(shè)用地和未利用地的轉(zhuǎn)出比例較小，水域的轉(zhuǎn)出面積最少，轉(zhuǎn)出面積僅為?？谑锌偯娣e的0.66%。2005年水域林草地建設(shè)用地耕地未利用地總計(jì)減少2000年水域11.57%0.08%0.09%0.47%0.02%12.23%0.66%林草地0.07%31.18%0.49%12.24%0.05%44.03%12.85%建設(shè)用地0.24%0.15%4.02%2.22%0.39%7.02%3.00%耕地0.37%8.31%2.11%24.01%0.20%35.00%10.99%未利用地0.06%0.06%0.48%0.70%0.41%1.71%1.30%總計(jì)12.31%39.78%7.19%39.64%1.08%增加0.74%8.59%3.17%15.63%0.67%從轉(zhuǎn)入方面來(lái)看，耕地面積轉(zhuǎn)入最多，達(dá)到?？谑锌偯娣e的15.63%，林草地轉(zhuǎn)入面積第二，建設(shè)用地轉(zhuǎn)入面積比例較小，水域和未利用地的轉(zhuǎn)入均處于較低的水平。綜合來(lái)看，在2000—2005年期間，耕地、建設(shè)用地的面積為增長(zhǎng)，而林草地的面積遭到一定的削減。通過(guò)轉(zhuǎn)移矩陣可以看出，林草地轉(zhuǎn)出的土地中，主要都轉(zhuǎn)為了耕地，說(shuō)明在這段時(shí)期中，?？谑写嬖趯⒘植莸亻_(kāi)墾為耕地的現(xiàn)象。2010年水域林草地建設(shè)用地耕地未利用地總計(jì)減少2005年水域11.67%0.02%0.32%0.27%0.04%12.31%0.64%林草地0.15%28.22%0.69%10.53%0.19%39.78%11.56%建設(shè)用地0.12%0.22%4.57%1.92%0.37%7.19%2.62%耕地0.85%9.91%2.53%25.59%0.76%39.65%14.06%未利用地0.04%0.02%0.52%0.17%0.32%1.08%0.75%總計(jì)12.83%38.38%8.63%38.48%1.68%增加1.16%10.17%4.06%12.89%1.36%由表4-6可知，2005年至2010年間，耕地的轉(zhuǎn)入轉(zhuǎn)出量均為最大，同時(shí)轉(zhuǎn)入量略小于轉(zhuǎn)出量，耕地面積略微減少，本文認(rèn)為是由于退耕還林政策的實(shí)施，使得耕地的擴(kuò)張被抑制甚至減少，從轉(zhuǎn)移矩陣中可以看出，耕地轉(zhuǎn)出的面積主要是轉(zhuǎn)化為林草地，占?？谑锌偯娣e的9.91%，占林草地轉(zhuǎn)入總面積的97.4%，說(shuō)明海口市在退耕還林政策實(shí)施過(guò)程中，有意識(shí)的引導(dǎo)耕地向林草地的轉(zhuǎn)化，有效的延緩了林草地的減少。但是從轉(zhuǎn)移矩陣上來(lái)看，林草地面積占比在2005—2010年期間還是略微減少了，而從轉(zhuǎn)移矩陣可以看出建設(shè)用地面積轉(zhuǎn)出量為?？谑锌偯娣e的2.62%，轉(zhuǎn)入量為總面積的4.06%，可見(jiàn)建設(shè)用地的面積占比是有所增加的，這說(shuō)明，林草地和耕地在向建設(shè)用地轉(zhuǎn)化。水域和未利用地的變化依舊較小，主要向耕地和建設(shè)用地轉(zhuǎn)出。2015年水域林草地建設(shè)用地耕地未利用地總計(jì)減少2010年水域11.89%0.05%0.23%0.51%0.14%12.83%0.94%林草地0.09%25.29%0.71%11.44%0.85%38.38%13.08%建設(shè)用地0.28%0.31%5.56%1.90%0.58%8.63%3.07%耕地0.50%10.92%3.47%22.75%0.85%38.48%15.73%未利用地0.06%0.14%0.57%0.69%0.22%1.68%1.46%總計(jì)12.81%36.72%10.54%37.28%2.65%增加0.92%11.43%4.98%14.53%2.43%由表4-7可知，2010年至2015年中，耕地依舊是轉(zhuǎn)入轉(zhuǎn)出量最大的土地利用類(lèi)型，其次為林草地，林草地和耕地均出現(xiàn)不同程度的土地利用占比減少的現(xiàn)象，建設(shè)用地面積占?？谑锌偯娣e的比例略微增加，水域占比基本不變，未利用地略微下降。耕地的轉(zhuǎn)入轉(zhuǎn)出面積均為與林草地的交換，同時(shí)由于退耕還林政策的實(shí)施，耕地面積在2010年—2015年期間依舊處于減少的狀態(tài)。林草地轉(zhuǎn)出面積中，大多數(shù)林草地面積轉(zhuǎn)化為了耕地面積，占海口市總面積的11.44%，轉(zhuǎn)入面積中，耕地轉(zhuǎn)入面積最大，為?？谑锌偯娣e的10.92%。在2010—2015年中，建設(shè)用地的占比繼續(xù)呈現(xiàn)增長(zhǎng)的狀態(tài)，轉(zhuǎn)入轉(zhuǎn)出面積分別占?？谑锌偯娣e的4.98%和3.07%，轉(zhuǎn)出的建設(shè)用地主要是向耕地轉(zhuǎn)移占?？谑械?.90%。水域的占比基本不變，轉(zhuǎn)入轉(zhuǎn)出面積分別為0.92%和0.94%，略微下降，未利用地的占比則出現(xiàn)了略微上升的情況。2020年水域林草地建設(shè)用地耕地未利用地總計(jì)減少2015年水域11.46%0.08%0.51%0.64%0.12%12.81%1.35%林草地0.04%24.11%0.57%11.89%0.11%36.72%12.60%建設(shè)用地0.09%0.21%6.75%3.31%0.19%10.54%3.80%耕地0.30%8.80%2.48%25.54%0.17%37.29%11.75%未利用地0.06%0.31%0.74%1.34%0.19%2.65%2.46%總計(jì)11.96%33.51%11.05%42.71%0.78%增加0.50%9.39%4.30%17.18%0.59%由表4-8可知，2015—2020年?？谑辛植莸嘏c耕地依舊具有較大的轉(zhuǎn)入轉(zhuǎn)出比例，但是相較于前幾個(gè)年份來(lái)說(shuō)，變化幅度變小，建設(shè)用地面積持續(xù)上升，水域占比減少，未利用地減少。耕地轉(zhuǎn)入轉(zhuǎn)出面積分別為?？谑锌偯娣e的17.18%和11.75%，這說(shuō)明耕地面積在持續(xù)降低兩個(gè)階段后，終于有所回升，說(shuō)明海口市在2015—2020年期間開(kāi)展了對(duì)耕地的保護(hù)工作。林草地在2015—2020年依舊處于減少狀態(tài)，但是減少的速率有所下降，林草地的轉(zhuǎn)出面積中一大部分是轉(zhuǎn)化為了耕地，少部分轉(zhuǎn)化為建設(shè)用地。建設(shè)用地的占比上升，但上升的速率有所減慢，建設(shè)用地的轉(zhuǎn)入面積中主要為耕地和未利用地，分別占?？谑锌偯娣e的2.48%和0.74%。水域占比減少較多，同時(shí)水域向建設(shè)用地的轉(zhuǎn)化相較于前幾個(gè)年份更加明顯，這是由于在2015—2020年期間?？谑羞M(jìn)行了一些填海造陸的工程，使水域向建設(shè)用地的轉(zhuǎn)化。未利用地總占比減小，其中轉(zhuǎn)出面積比例為2.46%，主要轉(zhuǎn)化為耕地與建設(shè)用地。2023年水域林草地建設(shè)用地耕地未利用地總計(jì)減少2020年水域11.45%0.01%0.05%0.43%0.02%11.96%0.51%林草地0.12%22.74%0.48%10.12%0.05%33.51%10.76%建設(shè)用地0.29%0.17%8.22%2.01%0.36%11.05%2.83%耕地0.94%8.98%3.19%29.45%0.16%42.71%13.26%未利用地0.04%0.02%0.37%0.17%0.18%0.78%0.60%總計(jì)12.83%31.93%12.31%42.17%0.76%增加1.38%9.18%4.09%12.73%0.58%由表4-9可知，耕地的面積占比在2015-2020年期間上升后，在2020-2023年又出現(xiàn)了下降，但是下降的比例較小，林草地比依舊呈現(xiàn)出下降的狀態(tài)，但是下降的比例比之前的年份更少，說(shuō)明?？谑胁扇×艘欢ǖ氖侄螌?duì)林草地進(jìn)行了保護(hù)，建設(shè)用地的增長(zhǎng)速率基本與之前年份持平，水域面積占比有所回升，未利用地所占海口市總面積的比例幾乎不變。耕地與林草地的相互流轉(zhuǎn)依舊存在，但對(duì)比之前的占比，2020-2023年耕地與林草地之間的土地流轉(zhuǎn)有減弱的趨勢(shì)。建設(shè)用地的轉(zhuǎn)入轉(zhuǎn)出比例分別為4.09%和2.83%，占?？谑械目偯娣e比例略有上升，同時(shí)上升速率超過(guò)2015-2020年時(shí)間段，回到2015年以前的水平，說(shuō)明這段時(shí)間內(nèi)?？谑薪?jīng)濟(jì)發(fā)展處于快速上升時(shí)期。水域面積占比有所回升，同時(shí)可以在轉(zhuǎn)移矩陣中看出，水域向建設(shè)用地的轉(zhuǎn)化明顯減少，說(shuō)明?？谑薪陙?lái)沒(méi)有出現(xiàn)填海造陸的工程，而未利用地的轉(zhuǎn)入轉(zhuǎn)出面積分別為海口市總面積的0.58%和0.60%，幾乎沒(méi)有變化。5土地利用時(shí)空變化驅(qū)動(dòng)因子5.1地理探測(cè)器地理探測(cè)器是用于探測(cè)空間分異性的一種工具，其自身包含四個(gè)探測(cè)器，分別為因子探測(cè)器、風(fēng)險(xiǎn)探測(cè)器、生態(tài)探測(cè)器以及交互作用探測(cè)器[32]。本文憑借因子探測(cè)器對(duì)各個(gè)驅(qū)動(dòng)因子對(duì)2020年土地利用程度綜合指數(shù)的解釋力度進(jìn)行探測(cè)，以此來(lái)探究對(duì)于城市發(fā)展來(lái)說(shuō)哪些驅(qū)動(dòng)因子具有更大的影響力。因子探測(cè)器能夠探測(cè)出驅(qū)動(dòng)因子對(duì)因變量Y空間分異性的解釋力度，這種性質(zhì)可以用q值進(jìn)行定量分析，q值的表達(dá)式為：q=1?h=1式中，L為變量Y或因子X(jué)的分層；Nh和N分別為層h和全區(qū)的單元數(shù)；σh2和σ2分別是層h和全區(qū)的Y值的方差。SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。根據(jù)驅(qū)動(dòng)因子對(duì)Y空間分異的解釋力度不同將q值分為三個(gè)區(qū)間，q值為0-0.1時(shí)驅(qū)動(dòng)因子對(duì)Y有弱影響；為0.1-0.2時(shí)驅(qū)動(dòng)因子對(duì)Y有中影響；為0.2-0.3時(shí)驅(qū)動(dòng)因子對(duì)Y有強(qiáng)影響；為0.3-1時(shí)驅(qū)動(dòng)因子對(duì)Y有主要影響。因此本文將借助q值來(lái)研究各驅(qū)動(dòng)因子對(duì)土地利用程度的影響。5.2驅(qū)動(dòng)因子的選取5.2.1地形地貌本文地形地貌特征選擇的驅(qū)動(dòng)因子為高程和坡度，在GEE平臺(tái)下載SRTMDEM數(shù)據(jù)，并計(jì)算得出坡度數(shù)據(jù)。除了以上處理外還要對(duì)數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換以及重采樣的處理，利用自然間斷點(diǎn)法將高程和坡度數(shù)據(jù)分為5類(lèi)。地貌數(shù)據(jù)如圖5-1所示。圖5-1?？谑懈叱碳捌露仁疽鈭D5.2.2氣候條件本文在氣候方面選擇了年均地表溫度以及年降水量作為驅(qū)動(dòng)因子，地表氣溫以及降水量數(shù)據(jù)從國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（/main）下載，該網(wǎng)站提供了2020年月度平均氣溫以及平均降雨量的數(shù)據(jù)集，下載后在ArcGIS軟件中進(jìn)行柵格運(yùn)算得到2020年的年均地表溫度以及年均降水量。2020年平均氣溫及平均降水量如圖5-2所示。圖5-2海口市2020年年均氣溫和年均降雨量5.2.3社會(huì)經(jīng)濟(jì)社會(huì)經(jīng)濟(jì)方面本文考慮到數(shù)據(jù)的可得性，選擇了夜間燈光遙感數(shù)據(jù)的亮度值為驅(qū)動(dòng)因子，本文使用到的夜光遙感數(shù)據(jù)為NPP/VIIRS夜光遙感數(shù)據(jù)，下載地址為：/products/vnl，通過(guò)對(duì)2020年月度數(shù)據(jù)進(jìn)行合成得到2020年年度夜光遙感數(shù)據(jù)如圖5-3所示。圖5-32020年夜光遙感數(shù)據(jù)示意圖5.2.4交通情況本文在交通方面選擇了兩個(gè)驅(qū)動(dòng)因子，分別為距城市主干道的距離和距水系的距離，城市道路和水系的數(shù)據(jù)可以在地理空間數(shù)據(jù)云平臺(tái)（/）下載得到，將城市主干道和水系的矢量數(shù)據(jù)導(dǎo)出后，通過(guò)計(jì)算每個(gè)像元到城市主干道或者水系的歐式距離得到所需數(shù)據(jù)。距城市主干道的距離和距水系的距離如圖5-4所示。圖5-4距城市主干道和水系的距離示意圖5.2探測(cè)結(jié)果及分析各驅(qū)動(dòng)因子對(duì)2020年海口市土地利用程度綜合指數(shù)的解釋力度如表5-1、圖5-5所示。驅(qū)動(dòng)因子x1x2x3x4x5x6x7解釋力q0.2620.0080.0840.2400.5030.0570.229圖5-52020年各驅(qū)動(dòng)因子對(duì)土地利用程度的解釋力示意圖由圖5-5可知，2020年，各驅(qū)動(dòng)因子對(duì)海口市土地利用程度綜合指數(shù)的解釋力度由強(qiáng)到弱的順序?yàn)椋阂归g燈光亮度值>高程>年均降雨量>距城市主干道的距離>年均地表溫度>距水系的距離>坡度。夜間燈光亮度值對(duì)海口市土地利用程度綜合指數(shù)的解釋力為0.503，這表明夜間燈光亮度值能夠更好的反應(yīng)海口市土地利用程度，對(duì)于海口市土地利用程度的評(píng)價(jià)具有較大的影響。高程、年均降雨量、距城市主干道的距離對(duì)于?？谑型恋乩贸潭染C合指數(shù)的解釋力為0.262、0.239、0.228，說(shuō)明這三個(gè)驅(qū)動(dòng)因子對(duì)海口市的土地利用程度影響較大。這可能是因?yàn)槟昃涤炅靠梢酝ㄟ^(guò)影響耕地的分布來(lái)影響?？谑型恋乩贸潭?；距離城市主干道較近的區(qū)域往往會(huì)分布居住點(diǎn)和城鎮(zhèn)用地，而反之則可能因?yàn)榻煌ú槐愕脑蛑粫?huì)形成規(guī)模較小的居住點(diǎn)導(dǎo)致土地利用程度綜合指數(shù)下降，因此距城市主干道的距離可以對(duì)?？谑型恋乩贸潭犬a(chǎn)生一定的影響。年均地表溫度、距水系的距離和坡度對(duì)?？谑型恋乩贸潭染C合指數(shù)的解釋力較弱，均小于0.1，說(shuō)明這些驅(qū)動(dòng)因子對(duì)于海口市的土地利用程度影響程度小。例如，坡度對(duì)?？谑械耐恋乩贸潭染C合指數(shù)的解釋力為0.008，說(shuō)明坡度因素對(duì)?？谑械耐恋乩糜绊戄^小，這可能是因?yàn)楹？谑斜旧碚w地勢(shì)平緩，在這種情況下坡度對(duì)于建設(shè)用地、耕地等各種用地類(lèi)型的影響較小，從而導(dǎo)致坡度對(duì)?？谑型恋乩贸潭鹊挠绊懥^弱。6結(jié)論與不足6.1結(jié)論本文基于GEE平臺(tái)對(duì)?？谑?000年、2005年、2010年、2015年、2020年及2023年進(jìn)行隨機(jī)森林算法監(jiān)督分類(lèi)，得到了?？谑?000—2023年的土地利用現(xiàn)狀，并基于分類(lèi)結(jié)果進(jìn)行時(shí)空變化特征分析。通過(guò)以上研究，本文得到如下結(jié)論：1）土地利用結(jié)構(gòu)方面?？谑型恋乩媒Y(jié)構(gòu)占比最多的為耕地和林草地，其次為水域和建設(shè)用地，未利用地的占比在各個(gè)目標(biāo)年份中都處于較低水平。其中耕地的占比呈現(xiàn)先上升后下降再上升的趨勢(shì)，說(shuō)明?？谑?000—2023年這段期間內(nèi)對(duì)于耕地實(shí)施了若干政策，以達(dá)到對(duì)耕地面積的調(diào)控；林草地在整個(gè)研究時(shí)間范圍內(nèi)占比始終處于下降的狀態(tài)，從2000年的44.03%逐步下降，截止2023年，林草地的面積占比為31.93%，這表明在后續(xù)需要采取一些措施來(lái)對(duì)剩余的林草地進(jìn)行保護(hù)，防止?？谑凶匀毁Y源的進(jìn)一步流失；建設(shè)用地方面，其占比始終處于較低水平，但是2000—2023年期間始終區(qū)域升高狀態(tài)，一定程度上反映了海口市的社會(huì)經(jīng)濟(jì)穩(wěn)步發(fā)展的狀態(tài)；水域和未利用地的土地利用面積占比都不存在顯著變化。2）土地利用分布方面耕地在全?？谑卸加袕V泛的分布，其中集中連片的耕地基本都分布在南渡江流域，在?？谑械哪喜糠植贾^多分散的耕地；林草地在2000—2023年期間遭受到了較大的轉(zhuǎn)變，2000年?？谑械牧植莸鼐鶆蚍植荚谡麄€(gè)?？谑行姓^(qū)內(nèi)，但是隨著?？谑械陌l(fā)展，林草地被大量的轉(zhuǎn)變?yōu)槠渌玫兀沟迷据^為完整的林草地分布向破碎化的方向發(fā)展，其中?？谑袞|南部分的林草地就被大量轉(zhuǎn)變?yōu)楦?；建設(shè)用地主要分布在?？谑械谋辈垦睾５貐^(qū)，并隨著?？谑械陌l(fā)展向南部延伸；水域分布在2000—2023年中變化較??；未利用地由于受人為因素影響較大，分布情況為每年變化較大。3）土地利用程度方面本文通過(guò)計(jì)算得到了2000年、2005年、2010年、2015年、2020年、2023年六年的?？谑型恋乩贸潭染C合指數(shù)，分別為247.34、252.95、254.06、255.72、264.03、266.03，這顯示出?？谑型恋乩贸潭瘸霈F(xiàn)逐年遞增的趨勢(shì)，進(jìn)一步對(duì)土地利用程度變化率進(jìn)行的計(jì)算，?？谑?015—2020年期間變化率最大，說(shuō)明在該期間?？谑械陌l(fā)展情況較為良好，發(fā)展速率較快。同時(shí)本文借助ArcGIS軟件制作出了分辨率1km的土地利用程度分布圖，更加直觀地體現(xiàn)了?？谑型恋乩贸潭鹊那闆r。4）土地利用轉(zhuǎn)移方面由各年份的土地利用轉(zhuǎn)移矩陣可以得出，在各土地利用類(lèi)型中，轉(zhuǎn)移最劇烈的地類(lèi)為林草地和耕地，建設(shè)用地次之，水域及未利用地在土地利用轉(zhuǎn)移方面較為穩(wěn)定。耕地和林草地的轉(zhuǎn)出轉(zhuǎn)入的主要方向都是對(duì)方，說(shuō)明在2000—2023年期間，耕地和林草地出現(xiàn)了大量的相互轉(zhuǎn)換，這種轉(zhuǎn)換在2010—2015年達(dá)到最大速率，之后相互轉(zhuǎn)換的面積逐年減小趨于穩(wěn)定，在互相轉(zhuǎn)換的過(guò)程中林草地轉(zhuǎn)出往往較多，導(dǎo)致林草地的面積逐年減少；建設(shè)用地每年轉(zhuǎn)移的量較小但是總面積占比始終保持上升趨勢(shì)，主要的轉(zhuǎn)出對(duì)象為耕地，轉(zhuǎn)入則大多由耕地和林草地提供；水域的轉(zhuǎn)化情況較為平穩(wěn)，在2015—2020年期間向建設(shè)用地轉(zhuǎn)化較多，說(shuō)明在這期間?？谑谐霈F(xiàn)填海造陸的工程，導(dǎo)致了水域向建設(shè)用地的轉(zhuǎn)化；未利用地的轉(zhuǎn)化較少，大多向建設(shè)用地、耕地轉(zhuǎn)化。5）對(duì)于海口市土地利用變化驅(qū)動(dòng)因子的研究利用地理探測(cè)器探測(cè)各驅(qū)動(dòng)因子對(duì)?？谑型恋乩贸潭茸兓慕忉屃Χ龋渲?，解釋力度最強(qiáng)為夜間燈光亮度值，q值超過(guò)0.3，說(shuō)明其很好地反映?？谑械耐恋乩贸潭龋浯螢楦叱?、年均降水量、距城市主干道的距離，這三個(gè)驅(qū)動(dòng)因子的q值均超過(guò)0.2，說(shuō)明對(duì)于?？谑型恋乩贸潭染哂袕?qiáng)影響。其余的驅(qū)動(dòng)因子解釋力則較弱，均未超過(guò)0.1。6.2不足本文對(duì)于?？谑型恋乩贸潭冗M(jìn)行了一系列的分析和研究，但由于數(shù)據(jù)等方面的原因，還存在以下的不足：1）本文使用的數(shù)據(jù)集為L(zhǎng)andsat-5TM和Landsat-8OLI，這兩個(gè)數(shù)據(jù)集在長(zhǎng)時(shí)序的研究中有較大的優(yōu)勢(shì)，但是在空間分辨率方面較Sentinel系列來(lái)說(shuō)較差，可能會(huì)在一定程度上影響監(jiān)督分類(lèi)的效果，同時(shí)由于本人在監(jiān)督分類(lèi)方面的先驗(yàn)知識(shí)的不足，導(dǎo)致Kappa系數(shù)未能突破0.9，也使得分類(lèi)的結(jié)果精準(zhǔn)度和穩(wěn)定性有限。2）在驅(qū)動(dòng)因子分析上，對(duì)于驅(qū)動(dòng)因子的選擇缺乏深入的思考，同時(shí)由于數(shù)據(jù)的可獲得性方面的考慮，所選擇的驅(qū)動(dòng)因子不夠全面，在后續(xù)研究中，可以將驅(qū)動(dòng)因子的體系進(jìn)行優(yōu)化，力爭(zhēng)更加深入地對(duì)海口市發(fā)展的驅(qū)動(dòng)因子進(jìn)行研究。參考文獻(xiàn)[1]李倩,邵景安.龍溪河流域土地利用變化及影響因素研究[J].農(nóng)業(yè)與技術(shù),2024,44(06):62-68.DOI:10.19754/j.nyyjs.20240330015.[2]孫智斌,高敏華,崔雪鋒.基于遙感與GIS的天山北坡經(jīng)濟(jì)帶2000—2015年土地利用動(dòng)態(tài)變化研究[J].北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,54(03):397-404.DOI:10.16360/ki.jbnuns.2018.03.017.[3]于赫.自貿(mào)港建設(shè)背景下海口市國(guó)際形象塑造及傳播探析[J].傳媒,2023,(23):63-65.[4]梁順林.中國(guó)定量遙感發(fā)展的一些思考[J].遙感學(xué)報(bào),2021,25(09):1889-1895.[5]張景華,封志明,姜魯光.土地利用/土地覆被分類(lèi)系統(tǒng)研究進(jìn)展[J].資源科學(xué),2011,33(06):1195-1203.[6]TamiminiaH,SalehiB,MahdianpariM,etal.GoogleEarthEngineforgeo-bigdataapplications:Ameta-analysisandsystematicreview[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2020,164:152-170.[7]裴杰,牛錚,王力,黃妮,曹建華.基于GoogleEarthEngine云平臺(tái)的植被覆蓋度變化長(zhǎng)時(shí)間序列遙感監(jiān)測(cè)[J].中國(guó)巖溶,2018,37(04):608-616.[8]WangL,DiaoC,XianG,etal.AsummaryofthespecialissueonremotesensingoflandchangesciencewithGoogleearthengine[J].RemoteSensingofEnvironment,2020,248[9]劉紀(jì)遠(yuǎn),寧佳,匡文慧,等.2010-2015年中國(guó)土地利用變化的時(shí)空